Estou em busca de uma api que consiga ao receber o áudio, tente reconhecer o texto. Alguém conhece alguma api opensource para isso? O contrário (receber um texto e gerar um áudio tem várias). A intenção é instalar no servidor local (linux) e usar junto com o PHP. Se existe qual seria?
Objetivo inicial é em empregar uma ferramenta anti-captcha, em geral hoje tem muitos sites que além de ter a imagem tem a opção de áudio, uma vez tendo o áudio, posso enviar para uma api dessa e submeter o captcha, ficando assim mais fácil de consumir serviços, como consulta e validação de CPF, CNPJ e etc...
Hoje eu consigo usar o CURL para capturar normalmente os HTML, fazer o anti-captcha para imagens esbarra em muitas questões onde nem sempre o algoritmo é eficiente para quebrar o captcha e ainda a a necessidade de desenvolver algoritmos para imagens diferentes.
Nas pesquisas que fiz encontrei muita coisa para gerar áudio a partir de texto, mas o contrário gerar texto a partir de áudio eu somente encontrei em aplicações fechadas onde eu precisaria utilizar a aplicação juntamente com tecla de atalho para resolver a questão. Como vai ficar rodando em um servidor web não achei uma boa solução.
Encontrei o GoogleSpeech, cai na página http://www.edivaldobrito.com.br/reconhecimento-de-voz-no-linux-utilizando-google-speech-api-google2ubuntu/, contudo, não cheguei a implementar, pois quando comecei a ler vi que ia funcionar pela tecla de atalho e pelo microfone. Isso sem dúvida seria uma das implementações possíveis no pior dos casos e se não tivesse uma forma mais fácil de usar. "quando você quiser acionar o sistema de reconhecimento de voz Google2Ubuntu, pressione o atalho de teclado que você configurou. Ao pressionar o atalho de teclado..."